中國儲能網(wǎng)訊：2025年，以行業(yè)大模型為代表的人工智能將進一步賦能產(chǎn)業(yè)升級。大模型應用已覆蓋油氣、煤炭、電力和新能源等多個領域，而大模型與行業(yè)的深度耦合被視為一項系統(tǒng)工程，需要從數(shù)據(jù)、技術、人才等多個維度協(xié)同發(fā)力。1月8日，本刊與許繼電氣聯(lián)合舉辦第36次《能源評論》學術沙龍，邀請學術界、企業(yè)界專家，圍繞“行業(yè)大模型與通用大模型、專用小模型的異同”“大模型在能源、通信等領域的應用”“行業(yè)大模型如何賦能產(chǎn)業(yè)升級”等話題進行討論，共同剖析大模型技術帶來的重大機遇和挑戰(zhàn)。
吳文峻／北京航空航天大學教授、國家人工智能標準總體組副組長
曾震宇／阿里云智能集團副總裁、解決方案研發(fā)部總經(jīng)理
王剛／科大訊飛羚羊工業(yè)電力行業(yè)解決方案總監(jiān)
王冠／國家特聘專家、可之科技董事長、上海交通大學寧波人工智能研究院研究員
董建／中國電子標準院信息技術研究中心主任
周飛／中國電力科學研究院正高級工程師，電力異構融合類腦計算關鍵技術研究項目負責人、電力人工智能大模型分布式算力調度與協(xié)同訓練推理項目執(zhí)行負責人
郭欣／德國PSI軟件公司高級業(yè)務發(fā)展經(jīng)理、中國電機工程學會2022年度（外籍）會士
褚政宇／北京昇科能源科技公司董事長
陸繼翔／國網(wǎng)電科院（南瑞集團）電網(wǎng)運行風險防御技術與裝備全國重點實驗室四級研究員
朱紅／國家電網(wǎng)公司人工智能首席專家、國網(wǎng)江蘇電力南京供電公司科技數(shù)字化部三級協(xié)理
劉速／中國石油數(shù)智研究院創(chuàng)新中心負責人
王峰／中國電信研究院大數(shù)據(jù)與人工智能研究所副所長
賴少明／英大傳媒集團 網(wǎng)絡信息中心主任
實踐探索：需求導向，應用為先
劉速：中國石油天然氣集團公司全力探索智能化發(fā)展工程，以昆侖大模型為核心開展“人工智能+”行動。研發(fā)團隊圍繞“五個一”開展工作，即訓練一套國內領先的行業(yè)大模型、落地一系列創(chuàng)新應用場景、形成一套高質量的行業(yè)數(shù)據(jù)集、搭建一個集中統(tǒng)一的AI中臺和建設一個資源共享的智算中心。
昆侖大模型是面向能源行業(yè)的大模型，頂層設計包含L0通用基礎大模型、L1行業(yè)大模型、L2專業(yè)大模型、L3場景大模型四層架構，覆蓋勘探開發(fā)、煉油化工、油氣儲運、產(chǎn)品銷售、工程建設和裝備制造等業(yè)務領域，具備行業(yè)知識問答、物體檢測、圖文生成等能力，能有效解決能源化工行業(yè)各環(huán)節(jié)業(yè)務問題，推動技術創(chuàng)新和產(chǎn)業(yè)升級。其中，L1行業(yè)大模型訓練形成700億參數(shù)語言、3億參數(shù)視覺、160億參數(shù)多模態(tài)，成為能源化工領域首個通過國家備案的行業(yè)大模型。在對能源化工行業(yè)的理解能力、視覺識別范圍、多模態(tài)領域能力等方面，行業(yè)大模型較基礎模型有顯著提升。
專業(yè)大模型在行業(yè)大模型的基礎上，通過專業(yè)領域數(shù)據(jù)增強預訓練+微調訓練形成。其特點是滿足專業(yè)場景需求，專業(yè)屬性強。在地震處理、地震解釋、測井處理解釋等方面提升了運行效率。2025年，我們還計劃做實時大模型，目前已構建20多個場景大模型，打造了4類應用場景，搭建AI中臺支持三大流水線。未來，我們將打造更多行業(yè)場景，探索智能體等新技術的應用。
朱紅：國內首個千億級多模態(tài)電力行業(yè)大模型——光明電力大模型于12月19日發(fā)布。國家電網(wǎng)公司人工智能發(fā)展旨在推進數(shù)字化轉型，提升電網(wǎng)運行管理水平，采用大模型和專用模型協(xié)同模式。光明電力大模型是面向電力行業(yè)的千億級多模態(tài)大模型，能夠面向電力生產(chǎn)、建設、管理、運營、科研、制造、服務等全產(chǎn)業(yè)鏈提供專業(yè)化智能化服務。 研發(fā)團隊從筑底、強知識、練思維三方面提升大模型專業(yè)能力，在架構上新增跨模態(tài)適配層等，增強多模態(tài)融合分析能力，打造全行業(yè)樣本，提升知識理解和生成能力，用實際案例引導邏輯推理和自我優(yōu)化。
光明電力大模型在電網(wǎng)規(guī)劃、電網(wǎng)運維、電力調控、供電服務等600多個應用場景發(fā)揮智能專家作用，實現(xiàn)電力與算力的協(xié)同賦能，助力新型電力系統(tǒng)和新型能源體系建設。目前，自動生成供用電方案的功能已在江蘇實踐應用。未來，光明電力大模型將致力于與原有模型協(xié)同發(fā)展，深耕業(yè)務協(xié)同等領域，形成新生態(tài)。
王峰：中國電信全力推動云智一體，構建“1+1+1+M+N”布局，即一個智算云底座，一個通用大模型底座，一個多模態(tài)數(shù)據(jù)集底座，M個企業(yè)內部大模型和N個行業(yè)大模型。在大模型時代，算力是重要的基礎設施，算力的發(fā)展呈現(xiàn)“點、線、面”規(guī)模，我國亟需突破算力“卡脖子”問題。中國電信作為云網(wǎng)資源運營商，為行業(yè)大模型提供算力服務，按照“以網(wǎng)補算”的方式促進算力的高效供給，即以用戶需求為核心，通過網(wǎng)絡控制面分發(fā)服務節(jié)點的算力、存儲、算法等資源信息，提供最佳的計算、存儲、網(wǎng)絡等資源的分發(fā)、關聯(lián)、交易與調配，從而實現(xiàn)整網(wǎng)資源的最優(yōu)化配置和使用。
褚政宇：人工智能必須放在應用場景中看，電池大模型是新能源資產(chǎn)管理的創(chuàng)新引擎。
在能源產(chǎn)業(yè)鏈中，儲能處于中游位置，隨著中國新能源裝機容量迅速增加，儲能與動力電池的規(guī)模也日益壯大，已邁入太瓦時時代。然而，電池安全問題越發(fā)凸顯，如電池著火事件頻發(fā)，嚴重威脅人們的生命財產(chǎn)安全?，F(xiàn)存的電池管理系統(tǒng)基于簡單的邏輯判斷，比如電壓、溫度大于特定值就報警，容易產(chǎn)生大量報錯信息，運維人員難以快速判斷其對安全性的實際影響，無法有效解決電池著火問題。在此背景下，為解決電池安全隱患，研發(fā)電池大模型迫在眉睫，旨在借助先進技術提升電池管理的安全性與可靠性。
郭欣：精準的新能源預測對電網(wǎng)的穩(wěn)定運行至關重要。為提升數(shù)據(jù)同化能力和預測精度，德國氣象局開發(fā)了一款人工智能大模型，成功解決了不同類型數(shù)據(jù)（如地面測量、雷達、衛(wèi)星數(shù)據(jù)等）在時間和空間上的智能化銜接，使數(shù)據(jù)同化與天氣預測能夠在同一模型中完成。該模型不僅顯著提高了新能源預測的精度和效率，還大幅降低了預測服務的成本。
隨著天氣預測技術的進步，人工智能在運行調度領域展現(xiàn)出巨大潛力，并帶來深遠變革。德國電網(wǎng)普遍采用雙回線設計，以確保當一條線路發(fā)生故障時，另一條線路能夠承擔功率傳輸，這使得電網(wǎng)的有效輸電能力僅為理論容量的50%。然而，隨著新能源占比的持續(xù)上升，如何提升現(xiàn)有線路的輸電能力成為亟待解決的難題。為應對這一挑戰(zhàn)，德國電網(wǎng)企業(yè)正在測試“治愈性調度”方法，即借助配備電池的“網(wǎng)絡助推器”優(yōu)化電網(wǎng)運行。在實際應用中，這一方法不僅增強了電網(wǎng)應對突發(fā)事故的能力，還能降低運營成本，從而緩解電力轉型帶來的高額成本壓力。同時，它也將成為人工智能在電網(wǎng)調度領域的重要研究方向。
王剛：人工智能與能源天生強相關，探索“AI+綠電”合作模式具有重要意義。
在與能源企業(yè)合作過程中，應該采用兩種應用模式。一是“應用為先，小步快跑”，依托大模型智能體的應用開發(fā)平臺，打造一系列知識、數(shù)據(jù)、流程的智能體助手。在能源行業(yè)識別高價值應用場景，如設備檢維修、安全巡檢、虛擬值班、技術監(jiān)督、智能班組、“兩票”生成等生產(chǎn)核心場景持續(xù)賦能。二是頂層規(guī)劃，統(tǒng)籌規(guī)劃。依托集團級人工智能基礎底座，打造集中式模型訓練環(huán)境，匯聚高質量數(shù)據(jù)樣本集，沉淀納管共性算法模型和智能體應用，面向產(chǎn)業(yè)單位和區(qū)域公司提供分布式推理能力。
目前，科大訊飛與多家能源企業(yè)展開合作，在合作過程中總結出一套包括建算力、理數(shù)據(jù)、訓模型、保安全、精運營等多維度的方法論，構建了L0~L3級別的能源行業(yè)大模型體系，落地實踐了大小協(xié)同、通專結合的“人工智能+能源”的新范式。
研發(fā)前沿：通專結合，快速迭代
吳文峻：深入推進生成式人工智能技術發(fā)展，使其能夠廣泛落地應用，是當前人工智能領域關注的焦點。
雖然當前大模型推理能力明顯提升，如在數(shù)學、代碼、邏輯推理等方面取得了進步，但現(xiàn)有語言模型存在一定的局限性，與行業(yè)深層融合和落地應用還有差距。
大模型邏輯推理能力的提升，對人工智能未來發(fā)展以及實現(xiàn)行業(yè)應用至關重要。單純的數(shù)據(jù)驅動只能構造“鸚鵡學舌”的復誦型智能體，因此純粹依靠擴大規(guī)模，實現(xiàn)絕對通用的智能模型并不是可行的技術路線；面向大量的垂直領域，如電網(wǎng)等復雜巨系統(tǒng)場景，必須走“通專結合”的技術路線，形成包含推理、記憶、協(xié)調等能力的綜合體系架構，盡早實現(xiàn)大模型在產(chǎn)業(yè)領域的廣泛落地與賦能，這將在未來5~10年內成為主要研究方向。在工業(yè)制造領域，可以以大模型為基座，構建各類工業(yè)任務的專業(yè)模型，形成各個行業(yè)領域的智能體，實現(xiàn)大模型與制造行業(yè)的適配。
董建：人工智能標準是支撐產(chǎn)業(yè)高質量發(fā)展的關鍵。在政策層面，國內國際皆加緊布局人工智能。我國關注高質量發(fā)展和賦能實體經(jīng)濟，美國強調技術發(fā)展，歐盟注重監(jiān)管。在產(chǎn)業(yè)層面，人工智能產(chǎn)業(yè)熱度高漲，全球科技企業(yè)積極布局人工智能發(fā)展，產(chǎn)業(yè)規(guī)模增速進入快車道。在標準層面，國內國際對人工智能的標準化重視程度前所未有。
標準是推動人工智能產(chǎn)業(yè)發(fā)展的重要技術基礎和制度保障，對于促進技術創(chuàng)新、保障安全、推動產(chǎn)業(yè)協(xié)同和國際合作等具有重要作用。 2024年，工業(yè)和信息化部、國家標準委等四部委聯(lián)合印發(fā)《國家人工智能產(chǎn)業(yè)綜合標準化體系建設指南（2024版）》。我國也在積極參與人工智能領域國際標準的制定，同時推進國內人工智能標準化建設，如人工智能管理體系標準、數(shù)據(jù)管理能力成熟度標準、大模型評測標準、人工智能計算設備評測方法等。此外，具身智能標準研制、人工智能安全治理框架和大模型備案等工作也在推進之中。
周飛：當前行業(yè)大模型研發(fā)普遍遵循“基座模型構建—領域知識注入—認知能力強化”的階梯式研發(fā)路徑：首先，基于千億參數(shù)量級的通用基座模型構建認知中樞，為行業(yè)應用提供基礎認知框架；其次，通過能源電力行業(yè)數(shù)據(jù)的增量預訓練，實現(xiàn)行業(yè)語言特征的深度適配；最后，采用專家引導的監(jiān)督微調策略，提升模型在特定場景下的知識表征精度與邏輯推理能力。該范式在靜態(tài)業(yè)務場景中表現(xiàn)優(yōu)異，但在應對新型電力系統(tǒng)的高維非線性、強時變動態(tài)特性時，傳統(tǒng)路徑在算法動態(tài)更新、物理深度嵌入、邊緣實時推理方面呈現(xiàn)顯著局限性?；诖?，建議立足第一性原理，聚焦新型電力系統(tǒng)復雜動力學特性的高維表征、實時觀測、精準預測、動態(tài)決策等核心需求，從底層數(shù)學原理出發(fā)重塑能源電力大模型的研發(fā)與應用范式。具體實施包含以下兩個方面：
一是創(chuàng)新模型架構，構建融合物理方程數(shù)值計算、神經(jīng)網(wǎng)絡數(shù)據(jù)驅動、符號邏輯數(shù)理推導的神經(jīng)符號混合計算框架，實現(xiàn)復雜動力學特性在模型架構層面的原生表達，有效解決新型電力系統(tǒng)“計算維度爆炸、模型精度不足、決策響應滯后”等痛點。
二是革新訓練范式，開創(chuàng)“原生訓練—認知蒸餾—強化學習”的研發(fā)路徑，構建“行業(yè)模型—專業(yè)模型—作業(yè)模型”的三級協(xié)同架構，形成感知、認知、決策、執(zhí)行的閉環(huán)進化鏈路，確保針對能源電力業(yè)務的實時感知、精準推演、科學決策和快速響應。
曾震宇：大模型的興起，讓業(yè)務軟件的交互模式發(fā)生了重大轉變。以往復雜的交互模式和流程，需要專業(yè)人員記住大量操作方式，而現(xiàn)在借助大模型，交互逐漸向自然語言、圖片、語音等更人性化的方式轉變，人與機器的交流越來越像人與人之間的交流，這背后是上百億甚至上千億的大語言模型或多模態(tài)模型的支撐。
隨著技術的不斷發(fā)展，大模型有望在更多行業(yè)和領域實現(xiàn)深度應用，進一步推動產(chǎn)業(yè)升級和創(chuàng)新發(fā)展。但同時，也需關注大模型發(fā)展中面臨的可解釋性、數(shù)據(jù)安全等問題，通過持續(xù)的技術創(chuàng)新和研究，不斷完善和優(yōu)化大模型技術，使其更好地服務于社會和行業(yè)發(fā)展。
王冠：以GPT為代表的通用大語言模型存在數(shù)值運算不精確、邏輯推理不嚴謹、無法在線自主學習迭代等局限。
基于概率體系，以Transformer為主要架構的通用大模型學到的是語言的統(tǒng)計規(guī)律，而不是數(shù)學公式或數(shù)值計算方法。大模型通過數(shù)據(jù)學習關系和關聯(lián)，依賴概率而非邏輯步驟。算術需要逐步推理和精確的步驟，而這些主要用于識別語言模式的模型難以處理。因此，即使模型已經(jīng)見過很多算術問題的例子，它也可能只是根據(jù)學到的模式進行近似或猜測，而不理解何為“計算”。
大模型未設計專門的算術邏輯?；诟怕鼠w系的模型，學到的知識和輸出的內容本質上來自于概率分布，這意味著正確答案或最優(yōu)答案的概率小于100%，與符號體系截然不同。
為解決這些問題，應引入符號體系與概率體系融合，大模型需要在底層迭代機制上作出調整，以實現(xiàn)精確計算、嚴謹邏輯推理和在線學習。在線學習的核心是與環(huán)境、人類用戶交互的能力，即交互式強化學習技術，通過每一個用戶個體、智能體所處的環(huán)境的變化，實時更新模型。如同英偉達黃仁勛所言，“推理即訓練”是未來大模型實現(xiàn)產(chǎn)業(yè)落地的核心技術突破。
陸繼祥：南瑞集團深度參與了光明電力大模型研發(fā)等工作，光明電力大模型融合專業(yè)知識，為電力行業(yè)應用提供新途徑。電力系統(tǒng)參數(shù)和指令需精確數(shù)值。受2024年諾貝爾化學獎得主成果的啟發(fā)，可考慮構建面向電網(wǎng)運行的專業(yè)化模型，通過智能體提供準確計算服務，突破電力系統(tǒng)技術難題。通過持續(xù)收集整理數(shù)據(jù)、改進模型架構、融入電力物理規(guī)律和專業(yè)知識等路徑，在目標函數(shù)中加物理公式、構建模型時加入神經(jīng)網(wǎng)絡和注意力機制等，未來有望為電力系統(tǒng)智能化轉型提供技術支撐。
賴少明：人工智能技術的崛起給輿論生態(tài)、媒體格局、傳播方式帶來巨大變革。大模型能大量替代一般性、基礎性的內容生產(chǎn)，縮短周期，提升采編效率，并在創(chuàng)意策劃等特定領域提供思路和創(chuàng)意。而且，人工智能還在內容傳播、互動等方面催生了深刻變革。經(jīng)過一年多實踐，英大傳媒集團已在新媒體內容制作上大量應用人工智能大模型技術；未來，將基于媒資素材庫的海量數(shù)據(jù)和國家電網(wǎng)公司光明電力行業(yè)大模型，打造由“通用模型+電力知識+場景應用”構成的英大傳媒垂直大模型，在此基礎上賦能各種AI工具，精準服務策采編發(fā)全流程，推動能源領域新聞傳播和知識服務的轉型升級。
（注：上述觀點來自于本刊與許繼電氣聯(lián)合舉辦的第36次《能源評論》學術沙龍，由本刊記者王若溪編輯整理）
